大学MOOC 人工智能实践：Tensorflow笔记(视频类选修课)(山西医科大学)1454954184 最新慕课完整章节测试答案
第一讲 神经网络计算
第一讲 神经网络计算
1、单选题：
该张量的维度是 [[ 1.3688478 1.0125661 ] [ 0.17475659 -0.02224463]]
选项：
A: （2，1）
B: （2，2）
C: （1，2）
D: （4，1）
答案: 【 （2，2）】
2、多选题：
人工智能主流的三个学派是什么？
选项：
A: 行为主义
B: 计算主义
C: 连接主义
D: 符号主义
答案: 【 行为主义 ;
连接主义;
符号主义】
3、判断题：
以下语句实现了损失函数loss 分别对可训练参数w1和b1求偏导数，并将计算结果保存到grads列表中。with tf.GradientTape() as tape: 前向传播过程计算y 计算总lossgrads = tape.gradient(loss, [ w1, b1 ])
选项：
A: 正确
B: 错误
答案: 【 正确】
4、判断题：
设计神经网络的步骤包括：准备数据、搭建网络、优化参数、应用网络。
选项：
A: 正确
B: 错误
答案: 【 正确】
5、判断题：
神经网络可以让计算机具备感性思维，能实现图像识别、趋势预测。
选项：
A: 正确
B: 错误
答案: 【 正确】
第二讲 神经网络优化
第二讲 神经网络优化
1、单选题：
在某个三分类问题中，已知真实标签y_=(0, 0, 1)，神经网络预测值分别为y1=(0.51, 0.32, 0.17)，y2=(0.22, 0.73, 0.05)，y3=(0.15, 0.17, 0.68)，y4=(0.04, 0.03, 0.93)，哪个预测值更接近真实标签？
选项：
A: y1
B: y2
C: y3
D: y4
答案: 【 y4】
2、单选题：
tf.nn.relu([[-2., 1.], [0., 3.]])的计算结果是哪个？
选项：
A: tf.Tensor([ -2. 1. 0. 3.], shape=(4,), dtype=float32)
B: tf.Tensor([ 0. 1. 0. 3.], shape=(4,), dtype=float32)
C: tf.Tensor([ [-2. 1.] [0. 3.] ], shape=(2,2), dtype=float32)
D: tf.Tensor([ [0. 1.] [0. 3.] ], shape=(2,2), dtype=float32)
答案: 【 tf.Tensor([ [0. 1.] [0. 3.] ], shape=(2,2), dtype=float32)】
3、单选题：
下列哪一项是均方误差损失函数的代码实现？
选项：
A: tf.reduce_mean(tf.square(y_true - y_pred))
B: tf.reduce_mean(tf.abs(y_true-y_pred))
C: -tf.reduce_sum(y_true * tf.math.log(y_pred))
D: -tf.reduce_sum(labels * tf.math.log(tf.nn.softmax(logits)), axis=1)
答案: 【 tf.reduce_mean(tf.square(y_true - y_pred))】
4、多选题：
解决过拟合问题的方法有：
选项：
A: 增大训练集
B: 采用正则化
C: 增加网络参数
D: 减小正则化参数
答案: 【 增大训练集;
采用正则化】
5、多选题：
下列属于神经网络优化器的有？
选项：
A: SGD
B: AdaGrad
C: RMSProp
D: Adam
答案: 【 SGD;
AdaGrad;
RMSProp;
Adam】
第三讲 神经网络八股
第三讲 神经网络八股
1、单选题：
使用Sequential()函数搭建神经网络训练MNIST数据集的代码为：model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(), tf.keras.layers.Dense(128, activation='relu'), tf.keras.layers.Dense(10, activation='softmax')])请问使用model.summary()打印网络结构和参数统计中，Total params的数目为？
选项：
A: 100480
B: 1280
C: 101770
D: 101632
答案: 【 101770】
2、单选题：
以下数据为训练过程中某个epoch的最终输出，其中最能直观有效反映网络准确度的数据是？60000/60000 [==============================]- 4s 68us/sample- loss: 0.2916- sparse_categorical_accuracy: 0.8920- val_loss: 0.3387- val_sparse_categorical_accuracy: 0.8770
选项：
A: 0.2916
B: 0.8920
C: 0.3387
D: 0.8770
答案: 【 0.8770】
3、单选题：
如果标签以数值形式给出，模型推理结果以概率形式给出，则model.compile()函数中metrics参数应选择哪一项？
选项：
A: ‘sparse_categorical_crossentropy’
B: ‘accuracy’
C: ‘categorical_accuracy’
D: ‘sparse_ categorical_accuracy’
答案: 【 ‘sparse_ categorical_accuracy’】
4、多选题：
以下关于MNIST数据集和Fashion_mnist数据集描述正确的是？
选项：
A: MNIST数据集一共包括7万张图片，其中6万张用于训练，1万张用于测试。
B: 每张图片包括1024(32×32)个像素点。
C: MNIST数据集是为0到9的手写数字数据集。
D: Fashion_mnist数据集中的图片被分为20类。
答案: 【 MNIST数据集一共包括7万张图片，其中6万张用于训练，1万张用于测试。;
MNIST数据集是为0到9的手写数字数据集。】
5、判断题：
本课中搭建神经网络六步法包括如下步骤：1、import2、train, test3、Sequential / Class4、model.compile5、model.fit6、model.summary
选项：
A: 正确
B: 错误
答案: 【 正确】